特斯拉工人拒绝训练自己的替代者：机器人的瓶颈，终于轮到了人

两条新闻，同一周。

一条关于钱：一家成立两年、创始团队没有任何机器人背景的公司，估值在 90 天里从 6000 万美元涨到约 5 亿美元。它做的事是——付钱给普通人，让他们戴上传感器，录下自己泡咖啡、修车、收拾房间的样子。

一条关于人：特斯拉让工厂工人穿上动作捕捉服录下自己的操作，工人们抱怨了。因为他们知道这些机器人最终是用来取代他们的。

01 那套衣服，工人们不想穿

The Information 的报道里，藏着这两天最有画面感的一段。

特斯拉为了让 Optimus 学会人类的动作，最初让德州和加州的工厂工人穿上特制的动作捕捉服，录下他们工作时的身体运动。

有工人抱怨。原因报道里写得很直白：他们"知道这些机器人是被设计来最终取代自己的"。

当你的工作不仅是完成工作，还包括把这份工作亲手教给你的替代者时，这份工作的性质就变了。

特斯拉后来调整了做法：把数据采集交给专门的团队，并为这些团队建立了训练中心。

从管理角度这是个合理的解法——既然当事人不愿意教，那就雇一批专门来教的人。但它回避了一个更根本的问题：那些"专门负责演示的人"教出来的动作，和真正在岗位上干了十年的人做出的动作，是一回事吗？

一个熟练工拧某颗螺丝时手上的微调、发力前的那半秒犹豫、眼神先看哪里——这些通常是他说不出来的东西，而这恰恰是模仿学习最需要的部分。

把它交给一个"照着流程做一遍"的人去演示，等于抽掉了那层最值钱的部分。

02 另一边，资本正在给这套动作报价

现在看 Mecka AI。

这家公司 2024 年由 Josh Gao、Mogen Cheng、Jason Chong 和 Duy Nguyen 四人创立。四个创始人，没有一个有机器人工程背景。Gao 和 Cheng 之前做的是餐饮 fintech，Chong 的公司在被 Coinbase 收购后加入。

他们识别出的是一个别人还没当回事的缺口：通用机器人和人形机器人最大的障碍，是物理世界的交互数据不够。

他们的做法是付费征集：让普通人戴上身体传感器、拿着智能手机，录下自己做日常事务的第一人称画面——

煮咖啡、做一些基础机械维修（比如修车）、在家务场景中拿取与移动物品、以及各类手工流程里例行的工具操作。

这个平台叫 Egoverse。

值得注意的是它和"遥操作"（teleoperation）的区别：遥操作是人直接操控机器人来产生示范数据；Mecka 采集的是脱离具体机器人硬件的人类行为本身。理论上这些数据可以喂给任何一家的机器人。

资本给出的价格是这样的：

三个月，八倍。

公司名字取自"mecha"（日式机甲）——由人类驾驶员操作的大型机器人。这个取名本身就是一句概括。

03 语言模型的数据是副产品，机器人的数据是劳动

这两件事放在一起，露出了一个我认为至关重要、但很少被讲清楚的区别。

大语言模型吃的是什么？是互联网上已经存在的文字。那些文章、帖子、代码、对话，在模型出现之前很久就被写出来了，它们被写下不是为了训练 AI，它们是人类活动的副产品。所以它们免费，且量大。

人形机器人要吃什么？是人类的身体动作。

而问题在于——这些动作还不存在。

没有人会为了将来训练机器人，主动把自己搬箱子、拧螺丝、叠衣服的过程记录下来。所以这些数据必须由人现在专门去做一遍，戴上设备，一遍一遍重复，才有。

这就引出了一个此前从未出现过的结构：

语言模型的数据是副产品，机器人的数据是劳动。

两者经济学完全不同。副产品的边际成本趋近于零，而且会随着人类活动自然增长；劳动需要付钱、需要组织、需要人愿意。

特斯拉让自家工人穿动捕服，是试图不给钱地拿到这批劳动。Mecka 的做法是付钱。同一样东西，两种获取方式，前者失败了，后者成了 5 亿美元的生意。

而这笔生意现在最贵的地方，不是传感器，不是模型——是找到一个愿意录的人。

04 讽刺在于：瓶颈卡在"手"上，而手还得人手装

Optimus 现在的另一半麻烦，恰好也落在手上。

据 The Information 报道，Optimus V3 的量产遇到几个具体问题：

产能数据是这样的：目前每周数百台，目标是到 2026 年底超过每周 1000 台。

Musk 在 2026 年二季度财报会上说，Optimus 可能是"史上最大的产品"。同一场电话会上他也承认，造出能做各种任务的自主人形机器人是"最难解决的问题之一"，并称其为"我们量产过的产品中最难的一个"。

还有一层：Optimus 目前的 AI 能力仍不足以胜任通用任务，当下的机器人需要在精心控制的环境里、针对具体任务做编程。

丰田、现代（计划几年内部署最多 25000 台波士顿动力 Atlas）、Agility Robotics（2024 年就在 GXO 物流的仓库里落地）都在同一条赛道上。7 月，美国 FCC 禁止了新一批外国制造的人形机器人、四足机器狗和扫地机器人，但据报道，特斯拉在多个机器人零部件上仍依赖中国供应商。

05 一个必须说的保留意见

说到 Mecka 那 5 亿美元，必须把另一半也讲出来。

公司预计 2026 年底达到1 亿美元年化收入，Gao 说这是基于已签合同。但——Mecka 没有公开披露客户名单。

这意味着外界无法判断：这批合同是分散在众多机器人公司手里，还是高度集中在少数几家头部人形机器人开发商身上。如果是后者，那么这 1 亿的预测质量，取决于那几家的节奏。

同时，这个赛道本身正在通胀：竞品 XDOF 传出的估值是12 亿美元；以文本数据起家的 Scale AI、Micro1 也在向物理数据扩张。

有一句判断我认同：投资人现在定价的不是当前业绩，而是"谁会成为这个领域的标准供应商"这个期权。

这不意味着它是泡沫。尤其是考虑到 Mecka 创始人是 fintech 和 crypto 背景、习惯用软件式的增长速度去打一个依赖硬件的行业——这个组合既可能打出软件级的成本控制，也可能低估硬件行业消化数据的速度。

如果下游机器人采纳这批数据的速度慢于预期，那么建立在预期上的估值会先于实际收入承压。

06 回到那个工厂

我一直在想特斯拉那个场景的具体性。

不是在讨论"AI 会不会取代人"这种抽象命题——这个问题在未来才会兑现。而是它就发生在当下，以极其具体的形式：

一个在 Fremont 工厂干了若干年的工人，早上打卡，穿上那套能记录他每一个动作的衣服，然后开始工作。他知道，自己今天的每一个手势，都会被拿来教一台机器；他也知道，那台机器学得越好，他这个岗位越不需要存在。

特斯拉 2026 年 5 月已经停掉了 Fremont 的 Model S 和 Model X 产线，把产线工人和工程师转向 Optimus。信号足够清楚了，工人们读得懂。

后来特斯拉把这件事交给了专门团队。从管理上看是解决了，从数据上看未必。

因为最珍贵的操作经验，往往长在那批最不愿意教的人身上。

07 这件事真正的形状

人工智能这几年有一条很清晰的主线：瓶颈在不断往下移。

先是卡在算法，然后卡在算力，然后卡在数据，然后卡在电力和土地——现在，它卡在了人身上。

而且这次和以往不同。以前那些瓶颈，都可以通过砸钱、建厂、堆芯片在物理上解决。唯独这一项不行：你可以付钱让人录，但你没法强制一个明白后果的人，真心实意地把手艺交出来。

Mecka 那 90 天涨了 8 倍的估值，本质上是在给这件事定价——给"人还愿意演示"这件事定价。

而 Optimus 手上那 100 多个需要人工组装的零件，是这件事的另一半：在机器人学会用双手干活之前，是人类的双手在把它们一颗一颗拧出来。

Musk 说这可能是史上最大的产品。也许会。

但至少在眼下，这个产品的每一步，都还要依赖一群知道自己正在被取代的人——

他们要么愿意教，要么愿意装，要么愿意录。

而这三件事，都还没有一样是钱或算力能直接买到的。